Appearance
0.1 AI 到底是什么
先把几个词拆开
你肯定见过这几个词混着用：AI、机器学习、深度学习、大语言模型。它们不是同一件事，但是层层包含的关系：
AI（人工智能）
└── 机器学习 Machine Learning
└── 深度学习 Deep Learning
└── 大语言模型 LLM（GPT、Claude、Gemini 这类）AI 是最大的概念，泛指"让机器表现得像有智能"的一切技术。
机器学习 是其中一个分支：不是程序员手写规则，而是让机器从数据中自己学出规律。
深度学习 是机器学习的一种方法，用"神经网络"来学习——这是一种模仿大脑神经元连接方式设计的计算结构，你不需要深入了解它，只需要知道它是深度学习里的核心技术。
LLM（大语言模型） 是深度学习在语言上的应用，也就是你现在每天用的 Claude、GPT 这类。
💡 类比：就像"交通工具 → 汽车 → 电动汽车 → 特斯拉"，是从大到小的包含关系，不是同级别的对比。
你现在用的 AI 是什么
你用的 Claude、GPT、Codex 这些，都属于 LLM（大语言模型），更具体一点叫 生成式 AI（Generative AI）。
它和以前的 AI 最大的区别是：它能生成新内容，不只是分类或预测。
以前的 AI 能做：
- 这张图里有没有猫（图像分类）
- 这封邮件是不是垃圾邮件（文本分类）
- 明天会不会下雨（预测）
现在你用的 AI 能做：
- 写代码、写文章、回答问题
- 理解你说的意思，进行对话
- 操控工具、浏览网页、执行任务
关于"AI 会思考"这个误解
⚠️ 最重要的认知纠正：LLM 不会"思考"，它在做的事情是预测下一个词。
每次你给 AI 发一段话，它做的事情是：根据你给的内容，以及它训练时见过的海量文字，计算"接下来最可能出现什么词"，然后一个词一个词地生成出来。
这听起来很简单，但正是因为训练数据够多、模型够大，这个"预测下一个词"的过程，产生了看起来像"理解"和"推理"的效果。
💡 类比：你打微信时，输入法会猜你下一个字。LLM 做的是同样的事，只是它见过的东西多到难以想象，猜得极其准。
这个认知为什么重要？
因为一旦你理解了 AI 是"超强预测机器"而不是"真的会思考"，你就能理解：
- 为什么 AI 会"幻觉"（一本正经说错话）
- 为什么同样的问题换个问法结果差很多
- 为什么 AI 不能真正"理解"你，只能理解你说的词语的模式
📌 关键结论
- 你用的 Claude、GPT 是 LLM，是 AI 里的一个具体分支
- LLM 做的事是"预测下一个词"，不是真正的思考
- 它强大，但也有根本性的局限——理解这些局限，是掌控 AI 的第一步
下一节：0.2 LLM 在做什么事